人脸识别系统在现今社会中应用十分广泛,无论是安防系统中识别嫌疑人照片还是智能手机的人脸解锁功能,都为人们的生活带来了极大的安全和便利,其中人脸检测功能在此系统中发挥着重大的作用,为了更好的识别和分析图像中的人脸目标,需要将其从图像中分离出来,在此基础上才能进一步对目标进行后续的分析和处理。人脸检测是完成“人脸”和“非人脸”图像区分的一个重要过程,即在包含人脸的图像中,找到并定位人脸的位置及大小,检测出人脸的面部特征并忽略掉背景或其他无关的干扰物。本论文对目前的人脸检测算法进行了简单的归纳和分析,对每种算法的优缺点进行简单介绍和对比,在众多算法中,基于肤色分割的人脸检测方法和基于Adaboost算法的人脸检测方法具有明显的优势,因此对两种算法进行了深入的研究和改进。本文综合比较二者的优缺点,提出了一种将二者相结合的改进的算法,此算法结合两者各自的优点,能够提高对目标检测的效率和准确度,为后续人脸识别过程打下良好的基础。本文所研究的主要工作包括:(1)首先针对该选题的背景和意义做了简明的描述,然后通过查阅相关文献,了解国内外关于此方面研究的发展现状,并且对于人脸检测过程中将会遇到的技术难点做了分析,最后对目前人们所经常用到的人脸检测方法进行总结和论述。(2)接着研究了基于肤色的人脸检测方法。在利用肤色进行人脸区域筛选阶段,介绍了RGB、YIQ、YUV、YCbCr等色彩空间和简单高斯模型,并且对几种色彩空间和肤色模型的优缺点做了对比,最终通过对比分析,决定选用YCbCr色彩空间以及高斯模型进行人脸检测。最后总结了肤色分割流程并提出了对肤色区域进行筛选的重要条件。(3)然后对基于Adaboost算法的人脸检测方法进行深入研究。介绍了Adaboost算法的基本原理及相关概念,包括Haar-like矩形特征、积分图等,然后重点分析了弱分类器、强分类器和级联分类器的构成和训练流程,最后针对传统的Adaboost算法在训练过程中出现的问题,进行相应的改进。(4)最后,对比前文所提到的两种人脸检测方法的优缺点和适用范围,本文将传统的Adaboost算法进行改进,引入了新型的Haar-like矩形特征,然后提出了一种将二者相结合的方法,以此提高系统的性能。本文方法的优点在于:先使用肤色检测人脸,排除了图像中大部分的非人脸区域,在检测中降低了单一肤色特征受光照的影响程度,保证了系统的检测率;然后使用Adaboost算法,对第一阶段筛选的区域再次进行筛选分类,最终确定人脸区域。